一种基于路径推理的疾病预测系统、存储介质及设备技术方案

本发明专利技术属于疾病预测系统技术领域，提供了一种基于路径推理的疾病预测系统、存储介质及设备。其中，该系统包括信息获取模块，其用于获取病人入院记录信息及医学疾病的层次父子关系；祖先序列获取模块，其用于基于医学疾病的层次父子关系，构建出医学知识层次图，进而得到病人住院记录信息中的每一个疾病在医学知识层次图中的祖先序列；疾病预测模块，其用于基于医学知识层次图、病人入院记录信息中按时间顺序排列的看病序列、疾病在医学知识层次图中的祖先序列以及预先训练完成的疾病预测模型，预测出病人未来的疾病类型及发生时间。预测出病人未来的疾病类型及发生时间。预测出病人未来的疾病类型及发生时间。

【技术实现步骤摘要】
一种基于路径推理的疾病预测系统、存储介质及设备


[0001]本专利技术属于疾病预测系统
，尤其涉及一种基于路径推理的疾病预测系统、存储介质及设备。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]电子健康记录(EHR)对于数据驱动型医疗保健研究的发展具有重要的价值。随着信息技术和机器学习技术的蓬勃发展，电子病历的数量正变得越来越庞大，利用机器学习和数据挖掘技术对电子病历进行分析正成为一个新兴的研究方向，以实现改善医疗服务的目标。现有的工作主要是基于类似RNN的结构，平等地对待每种疾病，并从医学上了解它们的表现知识，同时在很大程度上忽略了疾病中强有力的结构信息。
[0004]专利技术人发现，上述现有的RNN类架构存在以下问题：(1)类似RNN的架构需要大量的EHR有效优化所有模型参数，彻底捕获复杂数据中的模式，阻碍现有模型生成准确的在没有足够的电子病历时进行预测。(2)大多数现有的方法运用注意机制学习医学层次信息基于跳跃图或CBOW对医疗代码进行编码和预训练，同时忽略了疾病之间的强结构信息。(3)目前现有方法虽然取得了较高的精度，但难以解释。

技术实现思路

[0005]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于路径推理的疾病预测系统、存储介质及设备，其基于疾病分类树和医学路径获取到病人患病序列的编码，进而根据预先训练好的模型进行分类预测获得病人下一阶段可能患病的症状，在保障预测精度的同时，提高了预测结果的解释性。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术的第一个方面提供一种基于路径推理的疾病预测系统，其包括：
[0008]信息获取模块，其用于获取病人入院记录信息及医学疾病的层次父子关系；
[0009]祖先序列获取模块，其用于基于医学疾病的层次父子关系，构建出医学知识层次图，进而得到病人住院记录信息中的每一个疾病在医学知识层次图中的祖先序列；
[0010]疾病预测模块，其用于基于医学知识层次图、病人入院记录信息中按时间顺序排列的看病序列、疾病在医学知识层次图中的祖先序列以及预先训练完成的疾病预测模型，预测出病人未来的疾病类型及发生时间。
[0011]本专利技术的第二个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：
[0012]获取病人入院记录信息及医学疾病的层次父子关系；
[0013]基于医学疾病的层次父子关系，构建出医学知识层次图，进而得到病人住院记录信息中的每一个疾病在医学知识层次图中的祖先序列；
[0014]基于医学知识层次图、病人入院记录信息中按时间顺序排列的看病序列、疾病在医学知识层次图中的祖先序列以及预先训练完成的疾病预测模型，预测出病人未来的疾病类型及发生时间。
[0015]本专利技术的第三个方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：
[0016]获取病人入院记录信息及医学疾病的层次父子关系；
[0017]基于医学疾病的层次父子关系，构建出医学知识层次图，进而得到病人住院记录信息中的每一个疾病在医学知识层次图中的祖先序列；
[0018]基于医学知识层次图、病人入院记录信息中按时间顺序排列的看病序列、疾病在医学知识层次图中的祖先序列以及预先训练完成的疾病预测模型，预测出病人未来的疾病类型及发生时间。
[0019]与现有技术相比，本专利技术的有益效果是：
[0020](1)本专利技术提出的模型在多标记疾病分类中的有效性较高，提出的一种基于路径推理的疾病预测方法及系统为疾病预测提供了一种直观、准确的解决方案，生成产生嵌入，捕捉疾病和疾病的层次信息基于病史患者和任务序列学习患者的有效表征。而且本专利技术利用医疗路径来增加潜在的相互作用的网络并了解具有高度代表性的患者嵌入，以确保准确疾病的预测。
[0021](2)本专利技术的基于自我注意机制的疾病预测创新模型，利用从外部医学知识库中提取的医疗路径来增强疾病之间的潜在交互作用，学习表现性患者嵌入。自注意力推理网络也能够根据患者的电子病历历史入院顺序学习患者的有效表征。该路径编码器通过将每次入院时为疾病提取的医疗路径明确地合并在一起，可以有效地生成嵌入，捕获疾病的层次信息，将这些信息融合到入院表示中，以便为下一次入院提供准确的疾病预测。
[0022]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0023]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0024]图1是本专利技术实施例的基于路径推理的疾病预测系统结构示意图；
[0025]图2是本专利技术实施例的疾病预测模型结构示意图。
具体实施方式
[0026]下面结合附图与实施例对本专利技术作进一步说明。
[0027]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0028]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包
括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0029]实施例一
[0030]如图1所示，本实施例提供了一种基于路径推理的疾病预测系统，其具体包括如下模块：
[0031](1)信息获取模块，其用于获取病人入院记录信息及医学疾病的层次父子关系。
[0032]例如：在EHR数据中，将一系列疾病编码定义为{c1，c2…
c
c
}，其中|C|是疾病编码数量。每一位病人都可以由一系列医院接收数据来表示[V1，V2，...，V
|T(u)
|]。其中T
|(u)|
是病人在医院的接收次数，每一次接收记录V
t
都由|C|维0
‑
1向量表示，若V
t
中包含有c
i
这一疾病代码，则|C|维向量中对应第i个位置为1。
[0033](2)祖先序列获取模块，其用于基于医学疾病的层次父子关系，构建出医学知识层次图，进而得到病人住院记录信息中的每一个疾病在医学知识层次图中的祖先序列。
[0034](3)疾病预测模块，其用于基于医学知识层次图、病人入院记录信息中按时间顺序排列的看病序列、疾病在医学知识层次图中的祖先序列以及预先训练完成的疾病预测模型，预测出病人未来的疾病类型及发生时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于路径推理的疾病预测系统，其特征在于，包括：信息获取模块，其用于获取病人入院记录信息及医学疾病的层次父子关系；祖先序列获取模块，其用于基于医学疾病的层次父子关系，构建出医学知识层次图，进而得到病人住院记录信息中的每一个疾病在医学知识层次图中的祖先序列；疾病预测模块，其用于基于医学知识层次图、病人入院记录信息中按时间顺序排列的看病序列、疾病在医学知识层次图中的祖先序列以及预先训练完成的疾病预测模型，预测出病人未来的疾病类型及发生时间。2.如权利要求1所述的基于路径推理的疾病预测系统，其特征在于，所述疾病预测模型，包括：医学路径嵌入层、路径编码器、自注意力机制模块、时序编码器和激活层；所述医学路径嵌入层，其用于学习疾病分类树的表现嵌入；所述路径编码器，其用于基于学习疾病分类树的表现嵌入生成入院接收路径的嵌入；所述自注意力机制模块，其用于基于入院接收路径的嵌入学习病人接收记录层面的表示；所述时序编码器，其用于生成增强病人接收记录层面的表示；所述激活层，其用于产生下一次入院的疾病类型及时间。3.如权利要求2所述的基于路径推理的疾病预测系统，其特征在于，所述疾病分类树来表示医疗疾病概念之间的上下级的层次关系。4.如权利要求2所述的基于路径推理的疾病预测系统，其特征在于，所述疾病分类树采用GRAM方法构建而成，为图编码方法学习可解释的医学编码表示。5.如权利要求2所述的基于路径推理的疾病预测系统，其特征在于，所述疾病分类树采用HGNN方法构建而成，可学习黎曼流形上的可微表示指数和对数地图。6.如权...

【专利技术属性】
技术研发人员：郭伟，葛小琛，鹿旭东，闫中敏，刘凯，崔立真，
申请(专利权)人：山东大学，
类型：发明
国别省市：